AI投资

没有框架的投资，就是赌博 2025年，一个朋友问我：“AI投资该买什么？“我说：“你用什么框架做决策？“他愣住了。他以为我会给他一个"股票代码”，但我给他的是一个问题。 没有框架的投资，和赌博没有区别。 你买英伟达，是因为"AI芯片需求大”——这个逻辑太粗糙了。你需要一个系统性的框架，帮你回答三个问题：AI值不值得投？AI的哪个环节最值得投？这个环节里哪家公司最值得投？ 金句：投资框架不是"选股技巧”，而是"决策系统”。好的框架不能保证你每次都对，但能保证你每次错的时候，知道自己为什么错。 第一步：赛道判断——AI值不值得投？ 这是最宏观的一层。你需要回答：AI赛道整体是"向上"还是"向下"？这决定了你的AI仓位大小。 判断AI赛道方向的三维模型： 维度一：技术曲线（S曲线位置） AI的技术曲线，目前处于S曲线的哪个位置？ 如果处于"早期"（渗透率<10%）：AI还在"讲故事"阶段，高不确定性，高潜在回报 如果处于"中期"（渗透率10-50%）：AI正在"落地"阶段，中等不确定性，中等潜在回报 如果处于"后期"（渗透率>50%）：AI已经"成熟"，低不确定性，低潜在回报 2026年，AI的渗透率约为15-20%，处于"S曲线"的早期到中期过渡阶段。 这意味着：AI还有很大的增长空间，但"讲故事"的阶段正在结束，“落地"的阶段正在开始。 维度二：资本周期（哪里处在资本周期中） 资本周期的理论是：当一个行业吸引了大量资本，供给会超过需求，回报率会下降。当下AI正处于"资本大量涌入"的阶段——2026年全球AI资本开支超过5000亿美元。 资本周期告诉我们：AI基础设施的回报率，可能在未来2-3年内下降。 因为"太多人建数据中心了”，供给增速超过需求增速，价格会下降。 维度三：宏观环境（利率、监管、地缘政治） 利率：2026年利率处于中等水平（美联储基准利率3.5-4%），对AI估值的影响中性 监管：EU AI Act全面执行，中国AI监管收紧，监管环境在"收紧" 地缘政治：AI芯片出口管制升级，中美AI竞争加剧，不确定性在上升 三个维度综合判断：AI赛道整体向上，但"速度在放缓"、“风险在上升”。 这意味着：应该保持AI仓位，但不要加仓，而且要降低"风险暴露"。 金句：AI赛道判断不是"YES or NO"，而是"多大的仓位、多大的风险"。2026年的答案是：中等仓位，中等风险。 第二步：环节选择——AI的哪个环节最值得投？ AI产业链可以分为五个环节：芯片、基础设施、大模型、应用、安全。每个环节的投资逻辑不同。 环节评估的五维模型： 环节 增长确定性 竞争格局 利润率 估值水平 投资吸引力 AI芯片 高 寡头（英伟达主导） 高（60%+） 高 中等 AI基础设施 高 竞争激烈 中（30%） 中 中等 AI大模型 中 寡头（OpenAI主导） 低（亏损） 极高 低 AI应用 中 极度分散 中（40%） 中低 高 AI安全 高 新兴 中（35%） 中 高 为什么AI应用和AI安全的投资吸引力高？ 因为它们的估值水平相对较低，而增长确定性在上升。AI芯片和AI基础设施的估值已经很高，增长确定性虽然高，但"预期已经被定价"。 ...

你买AI股票时，到底在买什么？ 2025年，一个朋友告诉我他"重仓了AI"。我问他买了什么，他说：“英伟达、AMD、微软、谷歌、Palantir、C3.ai、SoundHound AI——基本覆盖了AI全产业链。” 听起来很合理，对吧？但仔细看他的持仓：英伟达和AMD是芯片，微软和谷歌是平台，Palantir和C3.ai是AI应用，SoundHound是AI语音。他以为自己在"分散投资"，实际上他在这7只股票上暴露了4种完全不同的风险。 金句：AI投资最大的风险，不是你买贵了，而是你不知道自己买的是什么。每只AI股票背后，藏着不同的"赌注"。 AI投资的7大隐藏风险 风险一：模型商品化——你的"护城河"可能只是一层薄冰 2025年，GPT-4 API的价格下降了80%。2026年，这个趋势还在继续。模型商品化是所有AI应用公司面临的最大风险。 如果你的公司依赖"调用GPT-4来提供X服务"，当GPT-4的价格降到几乎为零，你的价值在哪里？你提供的"X服务"如果没有额外的壁垒，你的公司就会变成"价值为零的中间层"。 自查清单： 如果GPT-5的价格降为0，你的公司还能存活吗？ 你的用户数据和行业know-how，大模型公司没有吗？ 你的产品有"切换成本"吗？客户换一个AI供应商，成本有多高？ 金句：AI应用公司的护城河，不是"我能接入最强模型"，而是"没有我，客户用不了最强模型"。 风险二：监管突变——一夜之间，商业模式可能归零 2026年，EU AI Act正式全面执行。如果你的AI公司涉及"高风险AI应用"（招聘、信贷、医疗诊断、执法），你需要满足严格的合规要求。不合规的罚款最高可达全球年收入的7%。 更可怕的是：监管不仅影响合规成本，还可能直接禁止某些商业模式。 比如，欧盟正在讨论禁止"公共场所的实时面部识别"。如果通过，所有做实时面部识别的AI公司，欧洲市场归零。 风险三：客户集中度——你的"大客户"可能在研发自己的模型 很多AI初创公司的最大的客户，也是最大的威胁。Anthropic最大的客户是亚马逊，但亚马逊也在自研AI模型。如果亚马逊的模型性能追上Anthropic，Anthropic会怎样？ 客户集中度是AI投资中最被低估的风险。 如果一家AI公司前3大客户占收入超过50%，你就要警惕了——这些客户可能正在"用你的产品训练自己的模型"。 金句：你的客户，可能就是你的竞争对手。在AI行业，这句话不是比喻，是事实。 风险四：关键人物风险——AI公司是"人"的生意 AI行业是全世界最依赖"个人"的行业之一。OpenAI如果没有Sam Altman会怎样？Anthropic如果没有Dario Amodei会怎样？这些公司的估值中，有很大一部分是"创始人溢价"。 2025年，某AI独角兽的CTO离职后，公司估值在下一轮融资中下降了30%。一个关键人物的离开，可能比一个季度的业绩miss更致命。 风险五：资本开支陷阱——“买得越多，亏得越多” AI基础设施公司面临一个悖论：不投就落后，投了就贬值。 你花100亿建的数据中心，三年后可能因为技术迭代而价值腰斩。 2025年，某AI数据中心运营商的股价在一年内跌了40%，原因不是需求下降，而是"新一代GPU的功耗降低了50%"，导致旧数据中心的电力基础设施"过度设计"——建了150兆瓦的供电能力，但新GPU只需要75兆瓦。 金句：AI基础设施投资是"囚徒困境"——没有人想投，但没有人敢不投。投了可能亏，不投一定死。 风险六：技术路径突变——你今天投的"主流"，明天可能变成"过时" 2025年，Transformer是AI的绝对主流架构。但2026年，Mamba、RWKV、基于进化算法的AI架构开始崭露头角。如果非Transformer架构在效率上显著超越Transformer，那么所有基于Transformer架构优化的芯片（如英伟达的Tensor Core）都可能被削弱。 技术路径风险是AI投资中最难预测的风险。 你不知道下个月的论文会不会推翻今天的"常识"。 风险七：流动性风险——AI一级市场的"估值幻觉" 一级市场的AI公司估值，是基于"最近一轮融资价格"计算的。但这个价格是在"有限的信息"和"有限的买家"下形成的。当公司上市时，面对"无限的信息"和"无限的买家"，估值可能会大幅调整。 2025年，AI公司IPO首日的平均跌幅是12%。 一级市场的估值，在二级市场往往站不住脚。 如何管理AI投资风险？一个四层框架 第一层：仓位管理 不要把所有鸡蛋放在AI篮子里。即使你是最看好AI的投资人，AI仓位也不应该超过总资产的30%。因为AI是一个"高相关性"赛道——一旦出现系统性风险，所有AI股票会一起跌。 第二层：风险类型分散 不要只买"AI芯片"或只买"AI应用"。你的AI仓位应该分散在以下四个维度： 基础设施（芯片、数据中心、能源） 平台（云计算、大模型） 应用（SaaS、工具、垂直行业） 安全（AI安全、AI监管合规） 第三层：时间分散 不要一次性买入。AI股票波动巨大，定期定额投资可以平滑你的买入成本。2025年，如果你在7月高点一次性买入BOTZ，到10月你会亏32%。但如果你每月定投，你的亏损只有8%。 第四层：设定止损线 为每一只AI股票设定止损线（比如-20%），严格执行。AI股票的特点是"涨得快，跌得也快"——2025年，超微电脑（SMCI）在3个月内从1200美元跌到400美元，跌幅67%。 金句：在AI投资中，止损不是"认输"，而是"保命"。留得青山在，不怕没柴烧。 最后一句话 AI投资最大的风险，不是AI本身的风险，而是你对自己所投的"AI"缺乏认知的风险。在买入任何AI股票之前，花30分钟搞清楚：这家公司到底在赌什么？它的风险是什么？它和我的其他持仓有什么相关性？ 这30分钟，可能比你看30篇券商研报还有用。因为研报告诉你的是"为什么涨"，而你需要知道的是"为什么跌"。

AI不只是技术，更是国运 2026年，AI已经从一个"技术话题"变成了一个"地缘政治话题"。美国、中国、欧洲——三个最大的经济体，在AI上的竞争和博弈，正在重塑全球AI投资的版图。 如果你只看AI公司的财报和用户数据，而不看地缘政治，你可能会错过最重要的风险变量。AI投资，一半是"技术判断"，一半是"地缘政治判断"。 金句：AI投资已经从"技术分析"升级为"地缘政治分析"。你不会因为看懂了Transformer而赚钱，但你会因为看懂了"芯片出口管制"而避免亏钱。 变量一：美国AI芯片出口管制——英伟达的"紧箍咒" 2026年，美国进一步收紧了AI芯片的出口管制。不只是中国，中东、东南亚、甚至部分欧洲国家都受到了影响。 管制具体内容： 英伟达H200、AMD MI300X等高端AI芯片，禁止出口到中国 中端AI芯片（如A100级别）的出口，需要特别许可 AI芯片的"算力密度"和"互联带宽"被纳入管制范围 对投资的影响： 英伟达的海外收入中，约25-30%来自受管制地区。如果管制升级，这部分收入可能归零 但英伟达的订单已经排到了2027年，短期内不会出现"收入断崖" 长期来看，AI芯片管制会加速中国AI芯片的自主化，最终削弱英伟达在中国市场的长期地位 金句：AI芯片管制是"双刃剑"——短期保护了美国的技术优势，长期催生了中国的技术替代。英伟达今天赚不到中国的钱，明天可能永远失去中国市场。 变量二：中国AI自主化——从"追赶"到"并行" 2026年，中国AI芯片的自主化取得了显著进展。华为昇腾910B的性能已经达到英伟达A100的80%，百度昆仑芯3的性能达到A100的70%。 中国AI自主化的三大支柱： 芯片：华为昇腾、百度昆仑、寒武纪——中国AI芯片"三剑客" 模型：百度文心一言、阿里通义千问、字节豆包——中国AI模型"三巨头" 数据：中国拥有全球最大的互联网用户群（10亿+），数据规模是AI训练的天然优势 对投资的影响： 中国AI芯片公司（华为、寒武纪）的估值在快速上升，但它们的上市渠道有限（主要是A股和港股） 中国AI市场的"独立化"趋势，意味着美国AI公司在中国市场的长期机会在减少 但中国AI公司的技术能力，还没有达到"全球输出"的水平——它们主要服务中国市场 金句：中国AI市场正在从"美国AI的殖民地"变成"独立王国"。对投资者来说，这意味着：你不能再把"全球AI市场"当成一个整体来分析了。 变量三：欧洲AI觉醒——不是"技术领先者"，而是"规则制定者" 2026年，欧洲在AI技术上落后于美国和中国，但在AI监管上领先全球。EU AI Act的全面执行，让欧洲成为"AI规则的制定者"。 欧洲AI战略的核心： 不追求"最强AI"，而追求"最安全的AI" 用监管创造"欧洲标准"，让全球AI公司必须遵守欧洲规则 投资AI基础设施（欧洲AI数据中心投资在2026年增长了40%） 对投资的影响： 欧洲AI公司（如Mistral AI、Aleph Alpha）的估值在上升，但规模远小于美国和中国 欧洲AI监管对全球AI公司有"溢出效应"——中国、日本、韩国都在参考EU AI Act 欧洲AI市场的"合规成本"很高，但"合规溢价"也存在——合规的AI公司在欧洲更受欢迎 金句：欧洲在AI上不是"技术强国"，而是"规则强国"。它不造最好的AI，但它制定AI的规则。这个角色，在AI时代可能比技术更重要。 地缘政治对AI投资的三大影响 影响一：AI市场的"区域化" AI市场正在从"全球化"走向"区域化"。美国AI公司服务美国市场，中国AI公司服务中国市场，欧洲AI公司服务欧洲市场。这意味着：AI公司的TAM（总可寻址市场）可能被高估了。 一家美国AI公司，可能永远无法进入中国市场，而中国市场占全球AI市场约25%。 影响二：AI供应链的"双轨制" AI芯片供应链正在分裂为"美国轨"和"中国轨"。美国轨：英伟达+台积电+三星。中国轨：华为+中芯国际+长江存储。两条轨道的技术差距在缩小，但完全"脱钩"还需要5-10年。 对投资者来说，这意味着：AI芯片投资需要考虑"供应链风险"。 如果台积电因为地缘政治原因断供，英伟达的芯片生产会受影响。 影响三：AI投资的"地缘政治溢价" AI公司如果来自"地缘政治友好国家"，估值会有溢价。比如，欧洲AI公司在获得美国投资时，估值比中国AI公司高20-30%。这不是因为技术更好，而是因为"地缘政治风险"更低。 金句：AI公司的估值，不再只是"技术 x 市场"，而是"技术 x 市场 x 地缘政治"。地缘政治是一个"系数"——可以加成，也可以打折扣。 如何在地缘政治风险中投资AI？ 策略一：投资"地缘政治中性"的AI公司 有些AI公司不受地缘政治影响： 台积电：虽然受中美博弈影响，但全球所有AI芯片都需要它，它"两边都需要" AI数据标注公司：不受芯片管制影响，因为数据标注是"纯软件" AI安全公司：AI安全是"全球共识"，不受地缘政治影响 策略二：分散投资不同区域的AI市场 不要只投资美国AI公司。把一部分仓位分配到中国AI ETF、欧洲AI ETF。不同区域的AI市场，受地缘政治影响的方向不同，可以互相分散风险。 ...

一个被严重低估的赛道 2026年Q2，全球AI基础设施层（芯片、云、数据中心）上市公司的总市值约为8.5万亿美元。AI应用层（SaaS、工具、服务）上市公司的总市值约为1.1万亿美元。基础设施层市值是应用层的8倍。 但反过来看市场规模：AI基础设施的TAM（总可寻址市场）约为5000亿美元，AI应用的TAM约为1.5万亿美元。应用层TAM是基础设施层的3倍。 市值8倍，TAM 1/3——这里有一个巨大的估值缺口。 要么基础设施被高估了，要么应用被低估了，要么两者兼有。 金句：华尔街在疯狂给"卖铲子"的人定价，却忽略了"用铲子挖金子"的人——历史上，挖金子的人最终赚的钱，从来都比卖铲子的人多。 AI应用层为什么被低估？ 原因一：基础设施层有"实物资产"溢价 芯片、数据中心、光缆——这些是看得见摸得着的资产。投资人给它们定价时，有明确的参照系。而AI应用是"软件"，是"服务"，是"代码"——在很多人眼里，它们的价值是"虚的"。 但软件行业的历史证明：“虚的"资产，回报率往往比"实的"资产高。 微软的市值是英特尔的10倍，Salesforce的市值是Equinix的2倍。 原因二：AI应用还没有出现"杀手级产品” ChatGPT有4.2亿月活，但它的留存率只有42%。Midjourney有6000万用户，但大部分人只是"玩一玩"。AI应用还没有出现一个像Google搜索、微信、TikTok那样的"全民必需品"。 但"还没有出现"不等于"不会出现"。 2007年iPhone发布时，也没有人预测到Uber、Instagram、TikTok。平台先行，应用后发——这是每一次技术革命的规律。 金句：当所有人都在说"AI应用还没有杀手级产品"时，恰恰说明AI应用还在早期——而早期是投资回报最高的阶段。 原因三：AI应用的商业模式还没有被验证 AI应用目前的变现模式主要有三种：订阅（ChatGPT Plus）、API调用（GPT-4 API）、广告（Perplexity AI）。但三种模式都面临挑战： 订阅：用户付费意愿在下降（ChatGPT Plus的付费率从5%降到3%） API调用：定价在快速下降（GPT-4 API价格一年降了80%） 广告：AI搜索的广告转化率远低于传统搜索 但这些挑战不是"不可能解决"的问题，而是"还没有解决"的问题。 一旦有人找到AI原生广告的模型，或者AI代理的定价模型，整个AI应用层的市值将被重估。 四大AI应用投资机会 机会一：AI代码助手（最确定的赛道） 全球3000万开发者，AI代码助手的渗透率已经达到40%，但付费率只有15%。GitHub Copilot的年收入预计在2026年达到30亿美元。 这个赛道的确定性在于： 开发者是"高价值用户"——他们愿意为工具付费，而且付费意愿强。Cursor的付费率是25%，远超ChatGPT的3%。 机会二：AI客服（最大的存量市场） 全球客服市场规模约3500亿美元，AI客服的渗透率不到5%。如果AI客服能吃掉20%的市场，那就是700亿美元的市场。 Zendesk、Intercom、Salesforce等传统客服公司已经在集成AI功能。但纯AI客服公司（如Ada、Forethought）还在快速增长。 机会三：AI营销（最高ROI的应用） AI营销的ROI最容易量化：AI生成的广告素材，点击率比人工制作高出15-25%，成本只有人工的1/10。 Jasper AI在2025年ARR突破2亿美元，Typeface在2026年H1融资3亿美元。AI营销的变现路径最清晰：帮客户赚更多钱，客户就愿意付更多钱。 机会四：AI+垂直行业（最深的护城河） AI+法律（Harvey AI）、AI+医疗（Hippocratic AI）、AI+金融（Hebbia AI）——这些垂直AI公司有一个共同特点：它们不卖"AI能力"，它们卖"行业解决方案"。 垂直AI的护城河来自三个方面：行业数据（大模型没有的）、行业know-how（大模型不懂的）、行业合规（大模型搞不定的）。 金句：通用AI是"谁都能做"，垂直AI是"只有你能做"——后者才是真正的护城河。 为什么机构不敢投AI应用？ 我和三家顶级VC的合伙人聊过。他们不敢投AI应用的原因，总结起来有三点： “包装GPT"的恐惧：害怕投的公司，只是GPT的API封装，一旦GPT升级，这家公司就死了 “巨头碾压"的恐惧：害怕微软/谷歌/Salesforce在现有产品中加AI功能，小公司直接被碾压 “商业模式不清晰"的恐惧：AI应用的订阅/API/广告三种模式，都没有被充分验证 但恐惧的另一面是机会。 2009年，投资人也不敢投移动应用——“苹果自己做一个怎么办？“但结果呢？Instagram卖了10亿美元，WhatsApp卖了190亿美元。 金句：机构不敢投的时候，恰恰是散户可以布局的时候。因为机构有"LP问责"的压力，你没有——你可以等。 实操建议：AI应用投资的三条原则 原则一：投"AI原生"而非"AI附加” AI原生的公司（如Cursor、Harvey AI）比AI附加的公司（如Salesforce的AI功能）更有投资价值。因为AI原生的产品设计、组织架构、商业模式都是围绕AI构建的，而AI附加的公司只是在原有产品上"贴了个AI标签”。 原则二：投"有数据护城河"的公司 纯AI公司的护城河很浅——模型能力是商品化的，API是标准化的。但如果一家AI公司积累了独特的用户数据，它的护城河就会越来越深。 原则三：投"有网络效应"的公司 AI代码助手、AI设计工具、AI视频工具——这些产品天然具有"社区效应”。用户越多，提示词越多，教程越多，生态越丰富，新用户越愿意加入。 金句：AI应用投资的核心不是"谁的模型最强”，而是"谁的产品最不可替代”。模型是商品，产品是护城河。

3000亿的估值，80亿的收入 2026年Q2，OpenAI完成了新一轮融资，估值3000亿美元。与此同时，它的年化经常性收入（ARR）是80亿美元。3000/80 = 37.5倍P/ARR。 作为对比，Salesforce的P/ARR是8倍，ServiceNow是12倍，Adobe是10倍。 OpenAI的估值倍数是传统SaaS公司的3-4倍。 凭什么？市场给出的答案是"增长"——OpenAI的ARR同比增长了220%。Salesforce的ARR增速只有11%。 但这引出了一个更深层的问题：AI公司的估值模型，到底应该用传统SaaS的框架，还是需要一套全新的框架？ 金句：如果用传统SaaS的估值框架看AI公司，所有AI公司都贵得离谱。如果AI真的能创造新范式，那传统框架本身就错了。问题在于——你赌哪一边？ AI公司的三种估值模型 模型一：P/ARR（适合高速增长期） 这个模型最适用于"还在烧钱换增长"阶段的AI公司。核心逻辑是：先不管利润，只看收入增速。如果ARR增速超过100%，市场愿意给30-50倍P/ARR。 公司 ARR（亿美元） ARR增速 P/ARR 估值（亿美元） OpenAI 80 220% 37.5x 3000 Anthropic 25 350% 60x 1500 Scale AI 12 85% 20x 240 Hugging Face 2.5 60% 18x 45 问题： 这个模型假设"高增速会持续"——但AI行业的增速能持续多久？如果OpenAI的增速从220%降到50%，P/ARR从37.5x降到15x，估值会从3000亿跌到1200亿。 金句：P/ARR是一把双刃剑——增速高的时候它给你惊喜，增速降的时候它给你灾难。 模型二：DCF + AI渗透率（适合长期投资者） 这个模型更复杂，但更接近价值投资的逻辑。核心假设是：AI的TAM（总可寻址市场）有多大？AI公司能拿到多少份额？ 以AI代码助手市场为例： 全球开发者约3000万人，每人每年愿意为AI编程助手付多少钱？ 假设每人每年付费500美元，TAM = 150亿美元 假设GitHub Copilot占据40%份额 = 60亿美元年收入 DCF折现回来，合理估值约300-400亿美元 但问题在于：AI代码助手可能不只是"助手"，它可能替代开发者。 如果AI能替代50%的编程工作，TAM就不再是"3000万开发者x500美元"，而是"全球软件开发支出xAI替代率"。这个数字可能是5000亿美元，而不是150亿美元。 金句：AI公司的DCF估值，核心不是"多少钱"，而是"你相信AI能替代多少"——这个假设偏差1%，估值偏差100%。 模型三：实物期权框架（适合底层基础设施） 这个模型适用于英伟达、台积电、微软Azure这类"AI基础设施"公司。核心逻辑是：AI基础设施投资相当于一个"看涨期权"—— 如果AI真的爆发，投资回报可能是10倍 如果AI不及预期，基础设施可以转作他用（云计算、游戏渲染等） 所以基础设施的"下行风险"有限，“上行空间"巨大 这个框架解释了为什么英伟达在P/S高达18x的时候，仍然有大量机构持有。 不是因为机构认为18x合理，而是因为机构把英伟达当成了一个"AI的看涨期权”——如果AI继续爆发，18x会变成10x（因为E在涨）；如果AI不及预期，下限是8x（传统估值）。 金句：机构买英伟达，不是因为觉得它便宜，而是因为觉得它是个"下注AI最安全的姿势"——涨了赚钱，跌了有限。 AI公司的"估值陷阱" 陷阱一：ARR增速≠收入质量 AI公司喜欢用ARR这个指标，但ARR有严重的水分： ...

风向变了，但没多少人在说 2026年Q2，Andreessen Horowitz（a16z）宣布关闭其AI模型专项基金，转而将资金分配到AI应用和AI基础设施。几乎同时，Sequoia Capital的AI合伙人发表了一篇内部备忘录，标题是：“模型层战争的赢家已经确定，我们该去下一层了。” 顶级VC正在从"模型层"撤退。 但这个消息没有出现在头条新闻里。因为VC们不会公开说"我们投错了"——他们只会悄悄地调整投资组合。 金句：VC的公开演讲永远是"我们看好AI的长期前景"，但VC的内部操作才是真实的信号。2026年，这个信号是：模型层的故事讲完了，该去应用层挖金子了。 信号一：模型层融资额大幅下降 2026年H1，基础大模型公司的融资额同比下降35%。这不是因为"AI不火了"，而是因为"模型层的格局已定"。 OpenAI和Anthropic拿走了模型层80%的融资。剩下的20%被Mistral、Cohere、AI21 Labs等十几家公司瓜分。这个市场的"赢家通吃"效应，比任何其他AI赛道都强。 为什么？因为大模型的训练成本是指数级增长的。GPT-4的训练成本约为2亿美元，GPT-5的训练成本估计在10-20亿美元。这个成本门槛，已经把99%的潜在竞争者挡在了门外。 金句：模型层不是"还在竞争"，而是"已经结束了"。OpenAI和Anthropic赢了，剩下的都是在"等收购"或"等倒闭"。 信号二：VC开始投"AI效率"而不是"AI能力" 2025年之前，VC投AI的逻辑是"谁的模型最强"。2026年，VC投AI的逻辑变成了"谁能用AI最省成本地解决问题"。 这个转变的标志性事件是：2026年H1，AI推理优化公司（如vLLM的母公司Anyscale、SGLang的母公司）获得了创纪录的融资。这些公司不造模型，而是让现有模型的推理效率提升10倍。 为什么VC转向"AI效率"？ 因为"AI能力"的竞争已经结束了（OpenAI和Anthropic赢了），但"AI效率"的竞争才刚刚开始。让AI推理成本降低90%，这个市场的机会不亚于"造一个更好的模型"。 金句：2026年AI投资的核心词，从"Better"变成了"Cheaper"——不是"谁更好"，而是"谁更便宜"。 信号三：垂直AI成为VC的新宠 2026年H1，AI+垂直行业的融资额同比增长18%，而通用AI的融资额同比下降了20%。 这个趋势背后的逻辑是： 通用AI是"谁的模型最强"——这个问题已经有答案了（OpenAI/GPT-5） 垂直AI是"谁最懂这个行业"——这个问题还没有答案，每个垂直行业都有机会 垂直AI的护城河更深（行业数据、行业know-how、行业合规） 通用AI的护城河更浅（模型能力是商品化的） VC正在从"水平"转向"垂直"。 不是因为他们不看好AI了，而是因为他们发现：AI的真正价值，不是在"通用智能"上，而是在"专业智能"上。 金句：AI的"iPhone时刻"已经过去了，现在是"App Store时刻"——基础设施已经建好，轮到应用层爆发了。 信号四：VC开始关注"AI安全"和"AI合规" 2026年H1，AI安全和AI合规公司的融资额同比增长了200%。这个赛道在2024年几乎不存在，到了2026年已经成为AI投资的"第三极"（仅次于模型层和应用层）。 为什么AI安全和AI合规突然火了？ EU AI Act全面执行，企业需要AI合规服务 企业AI部署的最大障碍，从"技术"变成了"安全" AI安全事故频发，企业对AI安全的需求从"可选"变成了"必选" VC的逻辑很简单： 如果AI部署的规模扩大10倍，AI安全的需求也会扩大10倍。这是一个"搭便车"的赛道——不需要赌"AI会不会成功"，只需要赌"AI部署后，企业需要安全"。 金句：AI安全是AI投资的"保险业"——AI越好，保险越贵。赌AI安全，就是在赌"AI会成功，但也会出问题"。 信号五：VC的退出预期在改变 2025年，VC投AI的预期是"3-5年IPO退出"。2026年，这个预期变成了"5-7年IPO退出，或者被收购"。 退出预期拉长的原因： AI公司IPO的估值倒挂（一级市场比二级市场高40%），很多公司不敢上市 科技巨头的收购审查在收紧，被收购的难度也在增加 AI公司的盈利周期，比预期更长 这对投资的影响是： VC开始更关注"现金流的可持续性"，而不是"ARR的增速"。因为如果退出周期拉长，ARR增速高但现金流为负的公司，可能撑不到退出那一天。 金句：2026年AI投资的估值逻辑，从"增长优先"变成了"生存优先"。先活下来，再谈增长。 对散户投资者的启示 启示一：不要追VC的"尾气" VC在2023-2024年疯狂投模型层，散户在2025年追模型层。但VC已经在2026年撤退了。散户永远比VC慢一步。 与其追VC的"尾气"，不如提前布局VC的"下一站"——AI应用、AI效率、AI安全。 启示二：关注"AI效率"赛道 AI效率（推理优化、模型压缩、算力节省）是2026年最被低估的AI投资赛道。这个赛道的公司，不赌"哪个模型赢"，而是让"所有模型更便宜"。这是一个"确定性"极高的赛道。 启示三：垂直AI的机会在上市公司之外 VC投的垂直AI公司在IPO之前，散户买不到。但你可以关注：传统行业巨头（如医疗、法律、金融领域的上市公司）在AI转型中的机会。这些公司有行业数据、有客户、有品牌——它们用AI增强现有业务，比纯AI垂直公司更有确定性。 金句：VC在找"下一个OpenAI"，你在找"下一个确定性"。两者的目标不同，策略也应该不同。

大佬们分歧巨大，但都同意一件事 2026年，全球顶级投资人在AI上的分歧前所未有的大。木头姐（Cathie Wood）说AI是一场"比互联网更大的革命"。Dalio（Ray Dalio）说AI是一种"和核武器同等重要的力量"。Ackman（Bill Ackman）说AI是"他职业生涯中最大的投资机会"。 但他们都同意一件事：AI不是"要不要投"的问题，而是"投多少、投哪里、投多久"的问题。 金句：当所有大佬都同意"必须投AI"时，分歧不在"方向"，而在"姿势"——你的姿势对了，就能赚钱；姿势错了，方向对了也没用。 木头姐（Cathie Wood）：AI革命的"布道者" ARK Invest的CEO木头姐是AI最坚定的多头。她在2026年Q2的致投资者信中写道：“AI将创造比互联网和移动互联网加起来还大的财富。” 木头姐的核心观点： AI将推动全球GDP增长10%：到2030年，AI每年为全球经济贡献约10万亿美元 AI的颠覆性被低估了：不只是"自动化"，而是"重新定义每一个行业" 特斯拉是AI公司：不是汽车公司，因为特斯拉的FSD和Optimus机器人是AI皇冠上的明珠 AI医疗是最大的机会：AI诊断、AI药物研发、AI个性化医疗——医疗行业占全球GDP的10%，AI可以颠覆它 木头姐的AI持仓（ARKK + ARKQ）： 特斯拉（15%）：FSD + Optimus 英伟达（8%）：AI芯片 UiPath（6%）：AI自动化 Palantir（5%）：AI数据分析 CRISPR（4%）：AI基因编辑 木头姐的盲点： 她太乐观了。她的所有预测都假设"AI会成功"，但忽略了"AI可能失败"的场景。ARKK在2021-2022年从160美元跌到30美元，就是因为对"颠覆性创新"过于乐观。 金句：木头姐的AI投资框架，适合"你能承受50%回撤"的投资者。如果你不能承受，她的观点只能用来看，不能用来抄。 Dalio（Ray Dalio）：AI的"地缘政治思考者" 桥水基金的创始人Dalio用一种完全不同的视角看AI。他不是从"投资回报"的角度，而是从"力量平衡"的角度。 Dalio的核心观点： AI是中美竞争的核心战场：谁赢了AI，谁就赢了21世纪 AI是"力量倍增器"：AI能增强军事、经济、金融、信息等所有领域的力量 AI投资不仅关乎回报，更关乎"生存"：不投AI的国家会被淘汰，不投AI的公司也会被淘汰 AI的风险被低估了：不是"AI会灭绝人类"，而是"AI会加剧不平等和冲突" Dalio的AI投资框架： 不投"单一AI公司"，而是投"AI生态系统"（指数基金、ETF） 不投"AI赢家"，而是投"AI的物理基础"（能源、芯片、数据） 不投"短期AI"，而是投"长期AI"（5-10年持有期） Dalio的独特之处： 他是唯一一个从"地缘政治"角度分析AI的大佬。他不关心GPT-5的benchmark，他关心AI会如何改变中美之间的力量平衡。 金句：Dalio的AI投资建议，本质上是"把AI当保险买"——如果AI真的改变世界，你不会被落下；如果AI没有改变世界，你也没亏多少。 Ackman（Bill Ackman）：AI的"集中投资派" Pershing Square的CEO Ackman是AI投资中的"集中派"。他不像Dalio那样"分散投资"，也不像木头姐那样"投一堆颠覆性创新公司"。他只投"AI的绝对龙头"。 Ackman的核心观点： AI投资的机会是"幂律分布"的：1%的公司拿走99%的回报 不要把时间浪费在"AI第二梯队"上：要么投龙头，要么不投 AI的"飞轮效应"被低估了：越多的用户用AI，越多的数据产生，越好的模型训练出来，越多的用户被吸引——这是一个自我强化的循环 AI龙头公司的市值可以超过10万亿美元：到2030年，AI龙头公司的市值可能超过当前全球GDP的10% Ackman的AI持仓（公开信息）： 微软（重仓）：AI平台 + OpenAI 谷歌（重仓）：AI全栈能力 英伟达（轻仓）：AI芯片 Ackman的盲点： 他的集中策略在2024-2025年表现很好，但2026年的"赢家分化"可能让集中策略失效。如果微软和谷歌的AI增长不及预期，他的持仓会同时受创。 金句：Ackman的AI投资策略，本质上是"山西煤老板策略"——找到最肥的矿，一把梭。成则财富自由，败则从头再来。 三位大佬的共识和分歧 维度 木头姐 Dalio Ackman AI的定位 颠覆性革命 地缘政治变量 幂律分布机会 投资策略 分散（颠覆性创新） 分散（生态系统） 集中（龙头） 持有周期 5-10年 10年以上 3-5年 最大风险 过于乐观 过于悲观 过于集中 适合谁 可以承受50%回撤 追求稳健增长 追求高回报 我该听谁的？ 如果你想"赚最多"： 听Ackman的，集中投资AI龙头。但你要能承受"如果龙头失速，你会亏很多"的风险。 ...

一场没有退路的军备竞赛 2026年，四大科技巨头（微软、谷歌、亚马逊、Meta）在AI基础设施上的资本开支合计将超过3200亿美元。这个数字是什么概念？它超过了2025年全球所有国家在可再生能源上的投资总额（约2800亿美元）。 四家公司，一年砸了3200亿美元。 这不是投资，这是军备竞赛。 但军备竞赛有一个特点：所有人都知道这是浪费，但没有人敢退出。 因为退出意味着放弃未来十年的竞争资格。 金句：AI基础设施投资不是"能不能赚钱"的问题，而是"不投会不会死"的问题。四巨头没有选择，只有ALL IN。 四巨头的AI基础设施棋局 微软：最激进的赌徒 2026年，微软的AI基础设施资本开支预计达到800亿美元，同比增长60%。这800亿花在三个地方：数据中心建设（60%）、GPU采购（30%）、AI能源（10%）。 微软的算盘是：用Azure AI绑定OpenAI的模型，用OpenAI的模型吸引企业客户上Azure。 这是一个"基础设施+模型+应用"的三层闭环。 但问题是：如果OpenAI的模型被竞争对手追上，Azure AI的吸引力会大打折扣。 微软800亿的赌注，有相当一部分押在了OpenAI的持续领先上。 谷歌：最全面的布局 谷歌的AI基础设施投资预计达到700亿美元，但谷歌的优势在于：它拥有从芯片（TPU）到数据中心到模型（Gemini）到应用（Google Search、Gmail、YouTube）的全栈能力。 TPU v6已经在部分推理任务上超越了英伟达H200。这意味着谷歌的700亿中，有一部分是"肥水不流外人田"——买自己的TPU，成本比买英伟达GPU低40-60%。 谷歌的AI基础设施投资，效率可能是四巨头中最高的。 亚马逊：最务实的玩家 亚马逊的AI基础设施投资预计达到650亿美元，但它的策略和微软、谷歌不同。亚马逊的重心不是"训练最大的模型"，而是"为所有模型提供最便宜的推理"。 AWS Trainium 2芯片已经量产，主打性价比。亚马逊的策略是：让所有AI公司都在AWS上跑推理，不管它们用的是OpenAI的模型还是Anthropic的模型还是开源模型。 金句：微软赌"我们的模型最强"，谷歌赌"我们能全栈自研"，亚马逊赌"不管谁赢，都在我这儿跑"。 Meta：最另类的参与者 Meta的AI基础设施投资预计达到500亿美元，但它的投资逻辑和其他三家完全不同。Meta不是云服务商，不卖算力。Meta投资AI基础设施，纯粹是为了自己的业务——推荐系统、广告优化、AI助手。 Meta的AI投资回报，不需要通过"卖算力"来回收，而是通过"提升广告效率"来回收。如果AI能让Meta的广告点击率提升10%，那500亿的投资就能在2-3年内回本。 Meta的AI投资，是四巨头中风险最低的——因为它只服务自己，不依赖外部客户。 三个最大的风险 风险一：算力过剩 2026年，全球数据中心的AI算力总容量预计达到2024年的3.5倍。但AI应用的需求增长能否跟上？如果算力供给增速超过需求增速，算力价格会暴跌，所有基础设施投资都会贬值。 2025年，AWS的GPU实例价格已经下降了30%。如果这个趋势继续，到2027年，AI基础设施投资的回报率可能低于贷款利率。 金句：建数据中心就像建商场——建的时候信心满满，建完之后发现没人来逛。 风险二：模型效率提升 GPT-5的推理效率比GPT-4提升了约10倍。这意味着：同样的AI任务，需要的算力比一年前少了90%。 如果这个趋势继续，那今天建的"万卡集群"，三年后可能只需要"千卡集群"就能满足同样的需求。 更高效的模型 = 更少的算力需求 = 更低的AI基础设施投资回报。 风险三：能源瓶颈 一个10万卡GPU集群的功耗约为150兆瓦——相当于一个小型城市的用电量。2026年，仅美国AI数据中心的用电量就超过了纽约市。 能源供应已经成为AI基础设施扩张的最大瓶颈。很多数据中心的建设计划因为电力供应不足而被推迟。 金句：AI基础设施的瓶颈不是芯片，不是资金，是电。谁能解决电力问题，谁就能在这场军备竞赛中胜出。 投资启示：AI基础设施的投资机会 如果你看好AI基础设施赛道，但不想押注单一巨头，有三个方向值得关注： 方向一：AI数据中心REIT 数字房地产信托（DLR）、Equinix（EQIX）等数据中心REIT AI数据中心需求爆发，出租率和租金都在上涨 REIT结构提供稳定分红，风险比直接买科技股低 方向二：AI能源解决方案 核能（NuScale Power）：小型模块化反应堆为数据中心供电 清洁能源（Crusoe Energy）：利用天然气为AI数据中心供电 能源基础设施（施耐德电气）：数据中心的电力分配设备 方向三：AI服务器供应链 超微电脑（SMCI）：AI服务器ODM龙头 戴尔（DELL）：企业级AI服务器 广达、纬创等服务器代工商 金句：AI基础设施投资最大的机会，不在"谁建最大"，而在"谁卖给建造者"。卖铲子给挖金矿的人，永远是最安全的策略。 结论 四巨头的AI基础设施军备竞赛，短期内不会结束。因为退出成本太高——谁先停，谁就输。但这场竞赛的终局，不一定是"赢家通吃"。 最可能的结果是：微软和谷歌在训练市场角力，亚马逊在推理市场收割，Meta闷声发大财。 作为投资者，你需要判断的不是"AI基础设施会不会继续增长"，而是"增长的红利会被谁吃掉"。 ...

英伟达不再"无敌" 2026年Q2，一条消息震动了华尔街：谷歌TPU v6在MLPerf推理基准测试中，首次在3个关键指标上超越了英伟达H200。虽然只是"推理"环节，虽然只是"3个指标"，但信号意义重大——英伟达在AI芯片领域的绝对统治力，正在出现裂缝。 如果你在2023年买了英伟达股票，恭喜你，两年涨了280%。但如果你现在还在"无脑买入"，你可能需要重新审视这个市场。因为2026年的AI芯片格局，和2023年已经完全不同了。 数据一：市场份额的悄然变化 玩家 2023年市场份额 2026年Q2市场份额 变化 英伟达 92% 78% -14pp AMD 5% 9% +4pp 自研ASIC（谷歌/亚马逊/微软） 2% 8% +6pp 其他（Intel、Cerebras等） 1% 5% +4pp 14个百分点的份额流失，在两年内发生。这不是"英伟达不行了"——78%的份额依然恐怖——但趋势方向是明确的：竞争对手正在从"存在"变成"威胁"。 金句：英伟达的护城河不是被填平了，而是被多条河流同时冲刷——每一条都不大，但加起来就是洪水。 裂痕一：推理市场的结构性问题 AI芯片分为两个市场：训练和推理。训练是"造模型"，推理是"用模型"。英伟达在训练市场的地位依然稳固（份额约88%），但在推理市场，故事正在改变。 推理市场的核心矛盾是：用户不需要H200那么强的芯片。 多数推理任务在A100甚至更低端的芯片上就能跑得很好。而推理市场本身正在爆发——预计2026年推理芯片市场规模将超过训练芯片，达到1200亿美元。 这意味着：推理市场是"够用就好"的市场，而不是"最强最好"的市场。 这对英伟达的高端战略是天然的不利。 金句：训练市场是"奥运会"，英伟达是冠军。推理市场是"全民健身"，谁便宜谁好用就选谁——这是完全不同的游戏规则。 裂痕二：自研ASIC的崛起 谷歌TPU已经迭代到v6，亚马逊Trainium 2在2025年底量产，微软Maia 100也进入了第二代。这三家公司的共同点是：它们都是英伟达最大的客户，但它们都在自研芯片。 为什么？算一笔账： 购买英伟达H200：每颗约3.5万美元，一个万卡集群需要3.5亿美元 自研ASIC：研发成本约5-8亿美元，但单颗成本只有英伟达的30-40% 如果一个万卡集群用3年，自研ASIC的总成本比采购英伟达低40-50% 对于年采购量超过10万颗芯片的超大规模云厂商来说，自研的经济账是算得过来的。 而且自研芯片可以针对自己的workload做深度优化，性能反而更好。 金句：英伟达最大的客户，正在变成英伟达最大的竞争对手。这是商业史上最危险的局面。 裂痕三：开源推理框架的降维打击 2025-2026年，vLLM、SGLang、llama.cpp等开源推理框架取得了巨大进步。llama.cpp的CPU推理性能在一年内提升了60%，vLLM在AMD MI300X上的推理吞吐量已经达到英伟达H100的85%。 这意味着：CUDA的生态壁垒，在推理场景下正在被削弱。 训练还是CUDA的天下，但推理——占算力需求70%以上的场景——正在逐渐"去CUDA化"。 金句：CUDA是英伟达最深的护城河，但这条护城河只在"需要最强算力"的地方起作用。推理市场不需要最强算力，所以护城河的效果打了一半折扣。 投资启示：AI芯片投资的三层框架 基于以上分析，我把AI芯片投资分为三层： 第一层：英伟达（依然是核心持仓，但降低权重） 优势：训练市场垄断、CUDA生态、品牌溢价 风险：份额流失、推理市场弱势、客户变对手 策略：持有但不追高，等待回调 第二层：AMD（推理市场的最大受益者） 优势：MI300X性价比突出、开源推理框架适配好 风险：软件生态仍是短板、品牌认可度不够 策略：重点关注，逢低布局 第三层：AI ASIC产业链（隐形冠军） 博通（AVGO）：谷歌TPU的定制芯片合作伙伴，2025年AI相关收入增长180% 迈威尔（MRVL）：亚马逊Trainium的合作伙伴 台积电：所有AI芯片都要经过它代工，是"卖铲子给卖铲子的人" 金句：AI芯片投资已经从"赌英伟达"变成了"赌整个生态"。单一押注的风险在上升，分散布局的必要性在上升。 最被低估的机会：推理芯片 我特别想强调推理芯片的机会。2026年，推理芯片市场规模预计将超过训练芯片。但市场上几乎没有"纯推理芯片"的上市公司——英伟达、AMD都是训练和推理通吃。 这个机会可能藏在： ...

英伟达的敌人，不是AMD 2026年，如果你问投资人"英伟达最大的竞争对手是谁"，大部分人会回答"AMD"。但这是错误的。AMD不是英伟达最大的威胁，英伟达最大的威胁是它自己的客户——谷歌、亚马逊、微软、Meta。 这四家公司是英伟达最大的GPU采购商，合计占英伟达收入的约40%。但它们同时也在自研AI芯片。这就像你最大的客户，同时也是你最大的竞争对手。 商业史上，这种关系从来没有好结果。 金句：英伟达的护城河是CUDA，但CUDA的壁垒在"训练"上，不在"推理"上。而推理市场，正在被英伟达的客户们蚕食。 三角关系：英伟达 vs AMD vs 自研ASIC 英伟达：王座上的巨人 优势： 市场份额：78%（虽然比2023年的92%下降了，但依然压倒性） CUDA生态：20年积累，500万+开发者，200万+代码库 训练性能：H200/GH200在训练性能上依然领先AMD 30-40% 品牌溢价：AI芯片=英伟达，这个心智定位无人能撼动 劣势： 推理市场弱势：推理不需要最强的芯片，性价比更重要 客户变对手：四大客户都在自研芯片 估值压力：P/S 18倍，远高于AMD的10倍 地缘政治风险：芯片出口管制影响25-30%的海外收入 AMD：性价比的挑战者 优势： MI300X在推理性能上接近H200，性价比高出40% 开源推理框架（vLLM、SGLang）对AMD的适配越来越好 不受芯片出口管制的影响（AMD的芯片性能刚好在管制门槛之下） 估值相对合理：P/S 10倍，低于英伟达的18倍 劣势： 软件生态：ROCm（AMD的CUDA替代品）的成熟度远不如CUDA 训练性能：在训练上落后英伟达30-40% 品牌认知：在AI芯片领域，AMD的品牌认知度远不如英伟达 产能限制：台积电的先进封装产能，大部分被英伟达占据 自研ASIC：客户的"叛变" 优势： 成本优势：自研芯片的单颗成本比英伟达低40-60% 定制优化：针对自己的workload深度优化，性能可能超过英伟达 供应链安全：不受英伟达的供应限制 长期战略：自研芯片是"能力建设"，不只是"成本优化" 劣势： 研发成本高：5-8亿美元的研发投入，只有大厂负担得起 生态缺失：自研芯片没有CUDA那样的生态，只能服务自己的场景 迭代速度：自研芯片的迭代速度，通常慢于英伟达 通用性差：自研芯片针对特定场景优化，通用性不如英伟达GPU 金句：自研ASIC不是英伟达的"替代品"，而是英伟达的"补充品"。在推理场景中，自研ASIC的性价比碾压英伟达；在训练场景中，英伟达依然不可替代。 三个竞争维度 维度一：训练市场——英伟达的堡垒 训练市场是英伟达的"堡垒"。训练需要最强的算力、最稳定的软件栈、最成熟的生态——这三样，英伟达都是全球第一。 训练市场的竞争格局（2026年）： 英伟达：88%份额 谷歌TPU：5%份额（只服务谷歌内部） AMD：4%份额 其他：3% 训练市场的竞争，短期内不会改变。 因为训练是"奥运会"——只有最强的才能赢。英伟达就是最强的。 维度二：推理市场——AMD和自研ASIC的突破口 推理市场是英伟达的"软肋"。推理不需要最强的芯片，性价比更重要。而且推理的workload高度多样化，一个"通用"的芯片不一定是最优解。 推理市场的竞争格局（2026年）： 英伟达：65%份额 自研ASIC：18%份额（谷歌TPU、亚马逊Trainium、微软Maia） AMD：12%份额 其他：5% 推理市场的竞争，正在快速变化。 英伟达的份额从2024年的75%下降到2026年的65%，两年流失了10个百分点。这个趋势如果继续，到2028年，英伟达在推理市场的份额可能降到50%以下。 维度三：软件生态——CUDA的护城河有多深？ CUDA是英伟达最深的护城河。但这条护城河，在推理场景下正在被"填平"。 为什么？ 因为推理场景的软件栈，越来越标准化。vLLM、SGLang、llama.cpp等开源推理框架，让开发者不需要直接操作CUDA——只需要调用推理框架的API。推理框架底层跑的是CUDA还是ROCm还是TPU，对开发者来说是透明的。 ...